Análisis de Patrones Emocionales en Texto con NLP y Machine Learning

Este repositorio contiene un proyecto de análisis de sentimientos y emociones en texto en español utilizando técnicas de procesamiento de lenguaje natural (NLP), modelos de embeddings como BERT y modelos de clasificación tradicionales como SVM, KNN, Naive Bayes y Árboles de Decisión.

Contenido

• Exploración y limpieza del dataset
• Preprocesamiento de texto (limpieza, tokenización, stopwords, lematización)
• Visualización (nubes de palabras, t-SNE, PCA)
• Generación de embeddings (TF-IDF y Transformers)
• Modelado con distintos clasificadores
• Evaluación con métricas de rendimiento y validación cruzada

🔧 Requisitos e instalación

1. Clonar el repositorio

git clone https://github.com/tu_usuario/tu_repositorio.git
cd tu_repositorio

2. Crear un entorno virtual (opcional)

python -m venv venv
source venv/bin/activate  # en Linux/macOS
venv\Scripts\activate   # en Windows

3. Instalar dependencias

pip install -r requirements.txt
python -m spacy download es_core_news_sm

📂 Estructura esperada

• Nuevo_Dataset_Patrones_Emocionales.csv debe estar en el mismo directorio del script.

🚀 Ejecución

python copia_de_untitled2.py

📌 Funciones clave

• limpiar_texto(texto): Limpieza básica del texto.
• tokenizar(cell): Tokenización por palabra.
• lemmatizar(text): Lematización con spaCy.
• generar_embeddings_transformer(...): Embeddings con modelos de HuggingFace.
• entrenar_y_evaluar_svm(...): Entrenamiento y métricas de SVM.
• probar_modelo(texto): Predice la emoción de un texto.

📈 Visualizaciones

• Nubes de palabras por emoción
• Visualizaciones de embeddings: t-SNE y PCA
• Comparación gráfica de modelos y rendimiento

📚 Referencias

• Hugging Face: dccuchile/bert-base-spanish-wwm-cased
• spaCy: es_core_news_sm